国内最年轻AI教授创业：要让世界模型走向全身全模态
国内最年轻AI教授创业：要让世界模型走向全身全模态数据越采越多，机器人就能越来越会干活吗？
来自主题: AI资讯
10619 点击 2026-10-14 11:55
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
数据越采越多，机器人就能越来越会干活吗？
最近，来自牛津大学&莫纳什大学&布里斯托大学的团队提出了交互式视频世界模型 Oneira，将这类模型从开放式的生成走向开放世界的交互。
好家伙，字节这回直接把AI生成玩成开放世界了？！
想象你站在一条产线旁边。
大语言模型为什么能 scale？一个重要基础是，海量来源各异的知识，被统一进了同一种输入输出空间 —— 文本。输入是文本，输出也是文本，主干模型在这个统一空间中学习、组合与迁移知识。那么，具身智能要获得类似的泛化能力，通往 Physical AGI，它的 “原生统一空间” 是什么？
LeCun创办的AMI联合纽约大学、巴黎INRIA和布朗大学推出分层世界模型H-JEPA并开源代码及预训练权重，其在Visual AntMaze任务中以更少规划计算取得更高成功率。
英伟达联合MIT和牛津大学团队提出Physis-Lang，通过物理语言描述、自进化准则和能力导向的数据检索提升视频模型的物理理解与生成表现，其Cosmos3-Super和Cosmos3-Nano在Physics-IQ Verified分列第一、第二。
曾因在字节跳动实习期间篡改代码被判赔50万元的田柯宇，其10人团队获五源资本和IDG 3000万美元投资、估值2亿美元，拟以自回归符号世界模型挑战李飞飞的空间智能路线，并于2027年发布基座模型。
9 月 22 日，以 FLUX 图像模型闻名的 Black Forest Labs 跨界发布了开源 7B 世界动作模型 FLUX 3 Action。据其官方博客，该模型在英伟达 RoboLab-120 榜单上超过了此前最强的开源模型 Cosmos 3 Nano，参数量却不到后者一半。一家做图像生成的公司跑来卷机器人控制，说明视频模型里积累的「物理直觉」正被越来越多的团队当作机器人大脑的底座。
AI 视频生成正在进入新的竞争阶段。